继续请教问题:关于 Pytorch 的 Autograd

雷达

6 V- l; m0 w5 d( }- q! `5 q
为预防老年痴呆，时不时学点新东东玩一玩。
  R, C$ y# i7 z/ g, |Pytorch 下面的代码做最简单的一元线性回归：
. y" K) k( s- D* t/ }----------------------------------------------
import torch
0 P6 ?  ]* U7 p6 {& E/ k5 ^; ]import numpy as np
) }0 t3 T  h8 c6 ?$ e& ]' ]* jimport matplotlib.pyplot as plt
import random
$ p! R9 h7 B. K0 z) v3 j$ k
! W  H( \; L$ h" Y1 I2 x4 R# lx = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
8 a+ U% m8 G) j$ c% N; J( b" j
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
; U: y- i  A1 F  zb = torch.tensor(0.,requires_grad=True)

epochs = 100
# y, ~6 ]  N5 o4 z) i- W( G
losses = []
for i in range(epochs):
0 M! w3 m- s9 S, U  D+ z  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
6 ~& v1 g. I/ o" g1 j( l' x' B
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
( B" R. X1 |1 k, W0 Q/ c* [  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
0 T) r0 z  C1 v  _    b  -= b.grad*0.0001    # 回归 b
3 h* B$ j+ _- T6 d% [( m  w.grad.zero_()  
  b.grad.zero_()
- f7 I% m, s9 n, c" g
' K2 _/ _" _# P  r4 @# N$ B# K# oprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
5 P! x1 u3 A2 b; s高手们帮看看是神马原因？

老福

! ]. g1 h4 E* ]# c4 _; \  l
$ z' ^5 F5 {5 f: d5 @2 G没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
/ u$ D- ^" B# f3 V. g) b-------
6 c9 G! u9 a6 W9 M不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
-------
+ P4 ]- g8 }+ R: }  t算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
' v3 M" b& P& A! V* p0 |9 q没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
% K0 P: M4 Z" c6 ~4 `. s" |7 j-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

雷达 发表于 2023-2-14 21:52
- z2 @- f( K3 W& F8 Z* N. ?谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

( [! w" b) {8 y0 P$ ?刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

或者把b但的起点改为1试试。

雷达

老福 发表于 2023-2-14 22:00
: v/ k0 h9 U  `/ R4 g8 d刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
' @% C6 `( G3 c% [! P
' _4 m9 N1 j/ F或者把b但的起点改为1试试。 ...

8 _( @6 c1 ~$ X/ C你是对的。
" q. G% q, L% \+ C去掉了随机部分
9 n8 b& B* u  A#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
" l# k& s2 K  t# _# ~+ Q, u& E! y3 p
循环次数加成10倍，就看到 b 收敛了
9 ?  `0 a% B  G4 {w , b
27.002620697021484 14.826167106628418
' p5 E& g- b6 f% V3 R5 Z' ^
和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。